數智技術助力慢性腎臟病防治

　　慢性腎臟病（CKD）是一項全球性的公共衛生挑戰。CKD具有高度進展風險，可發展為腎衰竭，并顯著增加心腦血管疾病的發生率。一旦進入終末期腎衰竭階段，患者只能依賴透析或腎移植維持生命，這不僅嚴重影響生活質量，也消耗大量衛生資源。

侯凡凡

　　數據統計顯示，2018至2019年，我國成人CKD患者人數高達8200萬。鑒于此，世界衛生組織（WHO）于2025年通過決議，正式將腎臟疾病納入全球優先關注的重大非傳染性疾病（NCD）清單。

　　臨床實踐表明，數智技術在CKD的預防與治療中具有重要價值，能夠助力提供更精準、高效的醫療服務。

　　高質量數據是人工智能（AI）技術發展的基石。2019年，國家腎臟病臨床醫學研究中心聯合中國疾病預防控制中心慢性非傳染性疾病預防控制中心，共同發起成立“中國腎臟病大數據協作網”，旨在構建國家級醫療與健康大數據平臺。

　　該項目啟動以來，該平臺已匯聚全國36家三甲醫院累計超過2000萬例患者的全息醫療數據。“全息”意味著數據涵蓋患者的個人信息、診斷記錄、影像資料、手術信息、門診隨訪等多維度內容。所有數據均經過嚴格管理，包括隱私保護、安全合規及可用性優化，方可用于科研與應用開發。

　　數智技術從五方面助力CKD防治

　　數智技術，是如何幫助我們進行CKD精準防治的？

　　第一，數智技術賦能CKD綜合處理。

　　我國CKD患者眾多，但專科醫師資源緊缺，大型醫院“一號難求”，而基層醫療機構又普遍缺乏專科醫療能力。與此同時，CKD的管理需要貫穿疾病全周期的綜合干預——不僅包括藥物治療，還涉及生活方式的改善等多個方面，而這離不開患者的主動參與。

　　基于這種需求，我們研發了國內首個CKD綜合管理大模型——“智腎”。首先，我們對通用大語言模型在腎臟病防治領域的應用能力進行了量化評估；隨后，以DeepSeek為基礎，我們聯合AI團隊共同開發了“智腎”大模型。“智腎”學習了國內外的腎臟病診療指南，并融合了基于中國腎臟病醫療大數據庫（CRDS）完成的真實世界證據，顯著強化了其本土化知識體系。“智腎”有三個應用場景，包括用于專科輔助診療決策的“專科醫生端”“基層醫生端”以及用于患者教育的“患者端”。自發布以來，“智腎”已在8家醫院部署。

　　第二，數智技術助力腎臟疾病精準診斷。

　　以兒童急性腎損傷（AKI）的診斷為例，住院患兒中AKI的發生率高達20%。目前，兒童AKI尚缺乏統一的診斷共識，臨床多沿用成人標準，即48小時內血肌酐升高≥26.5 μmol/L，或7天內血肌酐升至基線值的1.5倍以上。

　　然而，由于兒童血清肌酐水平普遍較低，直接套用成人標準易導致診斷偏差，因此亟須建立適用于兒童的AKI診斷標準。

　　我們將CRDS中的兒童病例挑出來，通過100081例無腎臟病兒童隊列，確定兒童血清肌酐變化參照值（RCV），建立以RCV為基礎的診斷新標準；再用102817例住院兒童隊列，確定新標準的診斷準確性；最后用94715例兒童隊列驗證，證實新標準優于傳統標準。

　　第三，數智技術預測腎病進展及預后風險。

　　AKI是危重癥患者院內死亡的主要原因。基于個體危險分層的風險預測有助于早期識別死亡高風險患者，從而實現早干預、早防治。然而，AKI的危險因素復雜多樣，傳統人工構建的臨床預測模型僅適用于特定類型的AKI人群，泛化能力有限。

　　鑒于此，四川省人民醫院基于CRDS，通過AI深度學習，建立了AKI預后風險預測模型，其預測24h、48h、72h和7天死亡風險的準確性分別為95%、94%、93%和93%。

　　第四，數智技術支持治療決策的精準評估。

　　隨機對照試驗（RCT）是評價醫療決策的金標準，而真實世界研究（RWS）則是對RCT的重要補充。RWS依托大樣本和長程觀察，不僅能夠評估治療的長期效果和罕見不良反應，還能比較不同人群之間的療效差異，以及現有干預措施在臨床實踐中的獲益與風險。數智技術的發展為評估治療決策在真實實踐中的作用提供了有力支撐。

　　第五，數智技術提供遠程醫療服務和管理。

　　在邊遠農村地區，開展居家或基層站點腹膜透析為尿毒癥患者提供了可及、有效且公平的治療選擇。然而，由于患者或基層醫護人員普遍缺乏腹膜透析操作經驗，導致居家腹膜透析相關感染等并發癥風險增加。為此，構建居家腹膜透析智能網絡，可支持專科醫生為基層提供實時指導，有效推動優質醫療資源下沉。

　　數智技術在臨床應用中尚面臨挑戰

　　當前，數智技術在臨床應用中仍面臨一系列挑戰：第一，AI模型的訓練依賴高質量、經過系統治理的醫療數據；第二，大模型必須經過嚴格的臨床驗證，并與實際診療流程無縫整合；第三，亟須建立完善的法規體系，以規范醫療AI產品的審批與準入；第四，應制定明確的監管機制，厘清AI輔助決策出現錯誤時的責任歸屬；第五，醫務人員需深入理解AI在醫療場景中的應用價值與能力邊界；第六，需著力解決“黑箱”問題，使醫護人員能夠理解AI的決策依據。

　　盡管存在上述挑戰，數智技術與臨床醫學的深度融合仍是未來醫學發展的主要趨勢。需要強調的是，發展數智技術并非為了取代醫生，而是作為強大工具賦能疾病預防、診斷與治療。AI無法替代醫生所具備的人文關懷、臨床經驗與批判性思維，這些始終是醫療實踐的核心。

　　（作者系中國科學院院士侯凡凡）